Převod PDF do JSON – extrakce textu, metadat a souřadnic

Jak převést PDF do JSON

Přidejte PDF – Přetáhněte soubor do pole výše. Zobrazí se náhledy stránek, abyste viděli, co převádíte.
Vyberte stránky – Zadejte rozsahy, například 1-5,8, nebo klikněte na náhledy. Chcete-li převést všechny stránky, ponechte „all“.
Vyberte výstup – „Strukturovaný JSON“ vrací stránky s jejich textem, „Prostý text“ pouze text a „Pouze metadata“ vlastnosti dokumentu. Pokud potřebujete polohu každé textové položky, zapněte souřadnice textu.
Převeďte a uložte – Klikněte na „Převést“, zkontrolujte výsledek a pak jej zkopírujte nebo stáhněte soubor .json.

Vlastnosti dokumentu – Název, autor, předmět, klíčová slova, aplikace, ve které dokument vznikl, PDF producent, datum vytvoření a změny a verze PDF – pokud jsou v souboru uloženy.
Jedna položka na stránku – Číslo stránky, šířka a výška v bodech, otočení a extrahovaný text.
Souřadnice textu – Volitelně každá textová položka s polohou x a y, šířkou, výškou a názvem písma – užitečné pro hledání polí ve formulářích nebo fakturách.
OCR pro skeny – Naskenované stránky lze přečíst pomocí rozpoznávání textu (OCR) v několika jazycích včetně arabštiny, čínštiny a japonštiny.

Předání textu z PDF skriptu, databázi nebo nástroji AI, které očekávají JSON.
Získávání hodnot, jako jsou čísla faktur nebo celkové částky, z PDF se stále stejným rozvržením pomocí souřadnic textu.
Kontrola, jaká metadata PDF obsahuje, než jej zveřejníte.
Potřebujete jen text? PDF na text vytvoří prostý soubor .txt.

JSON popisuje text, ne rozvržení: tabulky se stanou samostatnými textovými položkami, nikoli řádky a sloupci. Pro tabulky použijte PDF do Excelu.
Výsledky OCR mohou obsahovat chyby a u stránek zpracovaných OCR nejsou k dispozici souřadnice.
PDF chráněná heslem je třeba nejprve odemknout.
Vše probíhá ve vašem prohlížeči – soubor se nenahrává na náš server. Pro OCR se při prvním použití stáhnou data pro rozpoznávání zvoleného jazyka.

Přečte text a vlastnosti PDF a zapíše je do JSON, strukturovaného textového formátu, který programy snadno přečtou.

Ano. Zapněte „Zahrnout souřadnice textu“ a získáte polohu x a y, velikost a písmo každé textové položky.

Ano, s možností OCR. Pro nejlepší výsledky zvolte jazyk dokumentu.

Ano. Zadejte čísla nebo rozsahy stránek, případně klikněte na náhledy.

Ne. Buňky tabulek se extrahují jako textové položky. Chcete-li zachovat strukturu tabulky, použijte PDF do Excelu.

Ne. Převod probíhá ve vašem prohlížeči, takže PDF zůstává ve vašem zařízení.

Ano – bez registrace a bez vodoznaku.

Související nástroje: JSON do PDF pro opačný směr, PDF do XML pro výstup v XML a PDF do Excelu pro tabulky.

Prozkoumejte kompletní sbírku nástrojů v Nástroje pro data PDF.